接上一篇遇到的问题，这个问题不是一两次，而是好几天使用下来最痛的感受。
仔细分析后，推测有以下几个可能性：
- 训练时候的标准是「看起来全面」，而不是顾及回答的阅读效率，为了全而全，结果就是条理不清晰
- 为了证明做了哪些事，模型的回答顺序是查了什么、怎么分析的、怎么解决的、如何验证，最后才给结论，导致前面全是废话
- 为了确保回答准确，倾向于加上各种前提和假设，这就造成单次回答的信息量非常大，阅读成本巨高
特别是最后一条，这也是导致频繁出现「X 点需要你知道」、「X 点说明」的核心原因。
目前的解决办法只能是使用系统 Prompts 约束，但是这明显是模型层面的问题。模型本身存在这个问题，那么编写出来的内容自然也存在这个问题。